待验证50% 置信事实精确时间
Xu 等人在 2019 年的论文《How Powerful are Graph Neural Networks?》通过与 Weisfeiler-Leman 图同构测试对比,分析了不同聚合方式的理论上界
1
来源数
50%
置信度
长期有效
时效性
2026/9/12
首次发现
来源
涉及实体
相关事实
待验证Scarselli 等人在 2009 年发表了原始论文《The Graph Neural Network Model》71% 相似待验证GraphSAGE、GAT等图神经网络架构已在社交网络分析、分子性质预测等场景中展现能力70% 相似待验证对抗样本概念由Szegedy等人于2013年在论文《Intriguing properties of neural networks》中正式提出70% 相似待验证Neural ODE由陈天琦等人在2018年NeurIPS最佳论文中提出,核心思想是将残差网络的离散层视为连续动力系统的欧拉离散化69% 相似待验证过参数化的神经网络优化容易收敛到好的解的现象可用Neural Tangent Kernel理论解释67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/914032API
curl https://kongchang.com/api/v1/knowledge/claims/914032MCP
get_claim(id=914032)